计算比当前数字低的数字

Question

想象一下，我有一个数字列表（即 data.table/data.frame 中的数字列）。

1
5
5
10
11
12

对于列表中的每个数字，想要计算有多少个唯一数字低于该特定数字 + 5。

大写的解释，第一个数字=1，搜索范围是1+5=6，所以三个数字在范围内，小于或等于：c(1,5,5)，然后count unique是2。这都是假设我们有附加条件，该数字不仅必须小于 current_number + 5，而且其在列表中的索引必须 >= current_number 的索引。

在这种情况下，结果将是：

2
2
2
3
2
1

注意：在data.frame或data.table 中是否有针对庞大数据集的快速解决方案？我的数据集相当大，有 10+M 行。

Answer 1

我在基本 R 中能想到的最快方法（如果x已排序则有效）：

findInterval(x + 5, unique(x)) - cumsum(!duplicated(x)) + 1L
#[1] 2 2 2 3 2 1

编辑：排序没有问题，因为 with data.table，排序整数是微不足道的：

nr <- 1e7
nn <- nr/2
set.seed(0L)
DT <- data.table(X=sample(nn, nr, TRUE))
#DT <- data.table(X=c(1,5,5,10,11,12))

system.time(
    DT[order(X), 
        COUNT := findInterval(X + 5L, unique(X)) - cumsum(!duplicated(X)) + 1L
    ]
)
#   user  system elapsed 
#   1.73    0.17    1.53 

2 秒表示 1000 万行。

Answer 2

尝试这个：

x <- c(1,5,5,10,11,12)

sapply(seq_along(x), function(i)
  sum(unique(x[i:length(x)]) <= (x[i] + 5)))
# [1] 2 2 2 3 2 1